Python 从cv2解读索贝尔

我试图理解Python中

cv2

中的索贝尔卷积

根据Sobel的内核是

-1 0 1
-2 0 2
-1 0 1

因此，我尝试将其应用于以下

img

（二进制

3x3

数组）：

现在，我有一个解释输出的问题。我手工计算，得到了不同的结果。据我所知，我必须将内核集中在每个像素

（I，j）

上，然后按元素进行乘法和求和

因此，输出中的第一个条目应该是

2

。程序返回

0

我错了吗？我希望如此

代码

import cv2
import numpy as np

img = np.array([[0,1,0],[1,0,1],[0,1,0]]).astype(float)

# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=3)

# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)

abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)

print 'img'
print img

print 'sobelx8u'
print sobelx8u

print 'sobelx64f'
print sobelx64f

print 'abs_sobel64f'
print abs_sobel64f

print 'sobel_8u'
print sobel_8u

输出

img
[[ 0.  1.  0.]
 [ 1.  0.  1.]
 [ 0.  1.  0.]]
sobelx8u
[[0 0 0]
 [0 0 0]
 [0 0 0]]
sobelx64f
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]
abs_sobel64f
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]
sobel_8u
[[0 0 0]
 [0 0 0]
 [0 0 0]]

---

阅读页面的第二段：

本节中描述的函数和类的另一个常见特征是，与简单的算术函数不同，它们需要外推一些不存在的像素的值。例如，如果要使用Gaussian 3x3滤波器平滑图像，则在处理每行中最左侧的像素时，需要它们左侧的像素，即图像外部的像素。您可以让这些像素与最左边的图像像素相同（“复制边界”外推方法），或者假设所有不存在的像素都是零（“恒定边界”外推方法），依此类推。OpenCV允许您指定外推方法。有关详细信息，请参阅函数

borderInterpolate（）

以及下面部分中对

borderType

参数和各种函数的讨论

让它像你期望的那样工作 要使其按预期工作，必须明确指定要使用零值插值边界。像这样：

import cv2
import numpy as np

img = np.array([[0,1,0],[1,0,1],[0,1,0]]).astype(float)

border = cv2.borderInterpolate(0, 1, cv2.BORDER_CONSTANT)
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3, borderType=border)

print 'img'
print img

print 'sobelx64f'
print sobelx64f

输出：

img
[[ 0.  1.  0.]
 [ 1.  0.  1.]
 [ 0.  1.  0.]]
sobelx64f
[[ 2.  0. -2.]
 [ 2.  0. -2.]
 [ 2.  0. -2.]]

BORDER_DEFAULT == BORDER_DEFAULT
BORDER_DEFAULT == BORDER_REFLECT101
BORDER_DEFAULT == BORDER_REFLECT_101

默认边框类型

borderType

的默认值是

BORDER\u default

，它在我的机器上与

BORDER\u REFLECT\u 101

相同。您可以在计算机上运行此脚本进行确认：

import cv2

for var in dir(cv2):
    if not var.startswith('BORDER_'): continue
    if cv2.__dict__[var] == cv2.BORDER_DEFAULT:
        print 'BORDER_DEFAULT ==', var

输出：

img
[[ 0.  1.  0.]
 [ 1.  0.  1.]
 [ 0.  1.  0.]]
sobelx64f
[[ 2.  0. -2.]
 [ 2.  0. -2.]
 [ 2.  0. -2.]]

BORDER_DEFAULT == BORDER_DEFAULT
BORDER_DEFAULT == BORDER_REFLECT101
BORDER_DEFAULT == BORDER_REFLECT_101

而

BORDER\u REFLECT\u 101

的工作方式与您的结果完全一致。以下是不同边框类型的说明：

BORDER_REPLICATE:     aaaaaa|abcdefgh|hhhhhhh
BORDER_REFLECT:       fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101:   gfedcb|abcdefgh|gfedcba
BORDER_WRAP:          cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT:      iiiiii|abcdefgh|iiiiiii  with some specified 'i'

对你得到的解释 因此，默认边界插值类型（即

border\u REFLECT\u 101

）会使数组在计算之前看起来像这样：

0 1 0 1 0
1 0 1 0 1
0 1 0 1 0
1 0 1 0 1
0 1 0 1 0

---

通过简单的算术运算，您可以确认将Sobel内核应用于内部3x3像素后的正确值均为零–这就是运行脚本得到的结果。

噢，非常感谢您的解释。